Wstęp

W poniższej pracy dokonam eksploracyjnej analizy danych na zestawie pochodzącym ze strony https://www.kaggle.com/datasets/paradisejoy/top-hits-spotify-from-20002019/data. Dane przedstawiają statystyki dotyczące najczęściej pojawiających się utworów w najpopularniejszych playlistach serwisu Spotify w latach 1999-2019. W celu dogłębnej analizy posłużę się licznymi statystykami opisowymi oraz odpowiednimi wizualizacjami. Na samym początku załadujmy pakiety, których funkcje pozwolą na przeprowadzenie poszczególnych operacji na przygotowanym zestawie danych.

library(dplyr)
library(ggplot2)
library(mice)
library(plotly)
library(corrplot)
library(RColorBrewer)

Po wczytaniu pakietów, możemy przystąpić do obejrzenia zawartości danych i weryfikacji ewentualnych braków danych:

str(utwory)
## 'data.frame':    2000 obs. of  18 variables:
##  $ artist          : chr  "Britney Spears" "blink-182" "Faith Hill" "Bon Jovi" ...
##  $ song            : chr  "Oops!...I Did It Again" "All The Small Things" "Breathe" "It's My Life" ...
##  $ duration_ms     : int  211160 167066 250546 224493 200560 253733 284200 258560 271333 307153 ...
##  $ explicit        : chr  "False" "False" "False" "False" ...
##  $ year            : int  2000 1999 1999 2000 2000 1999 2000 2000 1999 2001 ...
##  $ popularity      : int  77 79 66 78 65 69 86 68 75 77 ...
##  $ danceability    : num  0.751 0.434 0.529 0.551 0.614 0.706 0.949 0.708 0.713 0.72 ...
##  $ energy          : num  0.834 0.897 0.496 0.913 0.928 0.888 0.661 0.772 0.678 0.808 ...
##  $ key             : int  1 0 7 0 8 2 5 7 5 6 ...
##  $ loudness        : num  -5.44 -4.92 -9.01 -4.06 -4.81 ...
##  $ mode            : int  0 1 1 0 0 1 0 1 0 1 ...
##  $ speechiness     : num  0.0437 0.0488 0.029 0.0466 0.0516 0.0654 0.0572 0.0322 0.102 0.0379 ...
##  $ acousticness    : num  0.3 0.0103 0.173 0.0263 0.0408 0.119 0.0302 0.0267 0.273 0.00793 ...
##  $ instrumentalness: num  1.77e-05 0.00 0.00 1.35e-05 1.04e-03 9.64e-05 0.00 0.00 0.00 2.93e-02 ...
##  $ liveness        : num  0.355 0.612 0.251 0.347 0.0845 0.07 0.0454 0.467 0.149 0.0634 ...
##  $ valence         : num  0.894 0.684 0.278 0.544 0.879 0.714 0.76 0.861 0.734 0.869 ...
##  $ tempo           : num  95.1 148.7 136.9 120 172.7 ...
##  $ genre           : chr  "pop" "rock, pop" "pop, country" "rock, metal" ...
head(utwory)
md.pattern(utwory, rotate.names = TRUE)
##  /\     /\
## {  `---'  }
## {  O   O  }
## ==>  V <==  No need for mice. This data set is completely observed.
##  \  \|/  /
##   `-----'

##      artist song duration_ms explicit year popularity danceability energy key
## 2000      1    1           1        1    1          1            1      1   1
##           0    0           0        0    0          0            0      0   0
##      loudness mode speechiness acousticness instrumentalness liveness valence
## 2000        1    1           1            1                1        1       1
##             0    0           0            0                0        0       0
##      tempo genre  
## 2000     1     1 0
##          0     0 0

Widzimy, że nasz zestaw zawiera 2000 obserwacji, składa się z 18 kolumn. Ponadto możemy zauważyć, że zestaw nie posiada żadnych braków danych.

Czyszczenie i przygotowanie danych

Niestety nazwy kolumn są w języku angielskim dlatego przed rozpoczęciem pracy z zestawem pozwolę sobię na ich przetłumaczenie co umożliwi łatwiejszą pracę w dalszej części.

colnames(utwory) <- c("Artysta", "Tytul_piosenki", "Czas_trwania", 
                               "Wulgarnosc", "Rok_wydania", "Popularnosc",
                               "Tanecznosc", "Energicznosc", "Klucz", "Glosnosc",
                               "Skala", "Slowa_mowione", "Akustycznosc",
                               "Instrumentalnosc", "Na_zywo", "Pozytywnosc",
                               "BPM", "Gatunek")

Następnie sprawdzamy czy w zestawie nie występują duplikaty tych samym piosenek, jeżeli tak to je usuwamy:

utwory <- utwory %>%
  distinct(Artysta, Tytul_piosenki, .keep_all = TRUE)

Zestaw zawiera niewielką ilość danych dla utworów z lat 1998 i 2020, które mogą wpływać na zależności pomiędzy zmiennymi, dlatego decyduję się na usunięcie ich z zestawu.

utwory <- utwory %>%
  filter(Rok_wydania != 1998 & Rok_wydania != 2020)

Ponadto wprowadzamy zmiany w zmiennych w zmiennych Akustycznosc, Czas_trwania oraz BPM.

utwory$Akustycznosc <- utwory$Akustycznosc * 100

utwory <- utwory %>%
  mutate(Czas_trwania = Czas_trwania / 1000)

utwory$BPM <- round(utwory$BPM, 0)

W kolejnej części tworzymy zmienną kategoryczną w zależności od wartości pozytywności oraz zmieniamy pozostałe zmienne kategoryczne na wartości typu factor.

utwory$Pozytywnosc_kat <- ifelse(utwory$Pozytywnosc >= 0.8, "Bardzo pozytywny", 
                                          ifelse(utwory$Pozytywnosc >= 0.6, "Pozytywny",
                                          ifelse(utwory$Pozytywnosc >= 0.4, "Neutralny",
                                          ifelse(utwory$Pozytywnosc >= 0.2, "Negatywny", "Bardzo negatywny")))) 

utwory$Pozytywnosc_kat <- factor(utwory$Pozytywnosc_kat, 
                                          levels = c("Bardzo pozytywny", 
                                                     "Pozytywny",
                                                     "Neutralny",
                                                     "Negatywny",
                                                     "Bardzo negatywny"))

utwory$Wulgarnosc <- ifelse(utwory$Wulgarnosc == "False", "Nie", "Tak")

utwory$Wulgarnosc <- factor(utwory$Wulgarnosc, levels = c("Nie", "Tak"))

utwory$Skala <- ifelse(utwory$Skala == 0, "Minor", "Major")

utwory$Skala <- factor(utwory$Skala, levels = c("Minor", "Major"))

utwory$Klucz <- factor(utwory$Klucz, levels = c(0:11))

utwory$Rok_wydania <- factor(utwory$Rok_wydania, levels = c(1999:2019))

Ponadto decyduję się na usunięcie z zestawu kolumny Na_zywo. Niestety dokumentacja dostępna na stronie, z której pochodzi zestaw nie wyjaśnia w żaden sposób pochodzenia tych wartości, dlatego w celu zapewnienia maksymalnej rzetelności swojej pracy postanowiłem nie opierać swojej analizy na tej zmiennej.

utwory <- utwory[, -15]

Na sam koniec wprowadzam zmiany w zmiennej Popularnosc. Do tej pory w zestawie mieliśmy do czynienia z małolicznymi danymi dla wartości poniżej 40, dlatego pozbywam się ich z zestawu i dokonuje odpowiednich obliczeń w celu przewartościowania pozostałych wartości na przedział 0-100.

utwory <- utwory %>%
  filter(Popularnosc >= 40)

utwory$Popularnosc <- (utwory$Popularnosc - 40) * 2

Spójrzmy jeszcze raz na strukturę zestawu i pierwsze kilka wierszy:

str(utwory)
## 'data.frame':    1711 obs. of  18 variables:
##  $ Artysta         : chr  "Britney Spears" "blink-182" "Faith Hill" "Bon Jovi" ...
##  $ Tytul_piosenki  : chr  "Oops!...I Did It Again" "All The Small Things" "Breathe" "It's My Life" ...
##  $ Czas_trwania    : num  211 167 251 224 201 ...
##  $ Wulgarnosc      : Factor w/ 2 levels "Nie","Tak": 1 1 1 1 1 2 2 1 1 1 ...
##  $ Rok_wydania     : Factor w/ 21 levels "1999","2000",..: 2 1 1 2 2 1 2 2 1 3 ...
##  $ Popularnosc     : num  74 78 52 76 50 58 92 56 70 74 ...
##  $ Tanecznosc      : num  0.751 0.434 0.529 0.551 0.614 0.706 0.949 0.708 0.713 0.72 ...
##  $ Energicznosc    : num  0.834 0.897 0.496 0.913 0.928 0.888 0.661 0.772 0.678 0.808 ...
##  $ Klucz           : Factor w/ 12 levels "0","1","2","3",..: 2 1 8 1 9 3 6 8 6 7 ...
##  $ Glosnosc        : num  -5.44 -4.92 -9.01 -4.06 -4.81 ...
##  $ Skala           : Factor w/ 2 levels "Minor","Major": 1 2 2 1 1 2 1 2 1 2 ...
##  $ Slowa_mowione   : num  0.0437 0.0488 0.029 0.0466 0.0516 0.0654 0.0572 0.0322 0.102 0.0379 ...
##  $ Akustycznosc    : num  30 1.03 17.3 2.63 4.08 11.9 3.02 2.67 27.3 0.793 ...
##  $ Instrumentalnosc: num  1.77e-05 0.00 0.00 1.35e-05 1.04e-03 9.64e-05 0.00 0.00 0.00 2.93e-02 ...
##  $ Pozytywnosc     : num  0.894 0.684 0.278 0.544 0.879 0.714 0.76 0.861 0.734 0.869 ...
##  $ BPM             : num  95 149 137 120 173 122 105 103 138 126 ...
##  $ Gatunek         : chr  "pop" "rock, pop" "pop, country" "rock, metal" ...
##  $ Pozytywnosc_kat : Factor w/ 5 levels "Bardzo pozytywny",..: 1 2 4 3 1 2 2 1 2 1 ...
head(utwory)

Możemy zauważyć, że nasza ostateczna wersja zestawu danych składa się z 1711 wierszy oraz 18 kolumn.

Omówienie zmiennych

Skoro przygotowaliśmy dane, możemy przejść do omówienia znaczenia wartości każdej z kolumn:

  • Artysta - nazwa artysty.

  • Tytul_piosenki - tytuł utworu muzycznego.

  • Czas_trwania - czas trwania utworu wyrażony w sekundach.

  • Wulgarnosc - zmienna opisująca czy dany utwór zawiera treści wulgarne.

  • Rok_wydania - rok, w którym miała miejsce premiera utworu.

  • Popularnosc - wartość określająca popularność utworu w odniesieniu do pozostałych utworów w zestawie. Im wyższa wartość tym bardziej popularny był utwór.

  • Tanecznosc - wartość określająca czy dany utwór pasuje do tańca. Im wyższa wartość tym bardziej dany utwór jest taneczny.

  • Energicznosc - wartość określająca w jakim stopniu utwór jest energiczny. Im wyższa wartość tym bardziej dany utwór jest energiczny.

  • Klucz - klucz muzyczny w jakim utwór został skomponowany. Wartości odpowiadają poszczególnym gamom gdzie 0 oznacza C, 1 oznacza C# i tak dalej aż do 11 oznaczającej H.

  • Glosnosc - jest to zmienna używana do pomiaru głośności w cyfrowych systemach audio. Wartość 0 dB to największa możliwa wartość głośności, jaką można reprezentować cyfrowo bez zniekształceń. Wartości poniżej 0 dBFS oznaczają niższe poziomy głośności w odniesieniu do tego maksimum. W praktyce im niższa wartość tym cichszy dźwięk.

  • Skala - skala w jakiej został skomponowany utwór. Skala minorowa oznacza utwory, które zwykle są smutniejsze podczas gdy skala majorowa określa utwory radosne.

  • Slowa_mowione - określa stosunek mówionych słów do pozostałych dźwięków w utworze. Utwory o wartości powyżej 0.33 najprawdopodobniej należą do gatunków takich jak rap.

  • Akustycznosc - wartość określająca akustyczność danego utworu. Im wyższa wartość tym większa ilość dźwięków akustycznych w utworze.

  • Instrumentalnosc - wartość określająca jaka część utworu nie zawiera wokalu.

  • Pozytywnosc - wartość określająca charakter danego utworu tzn. im wyższa wartość tym bardziej pozytywny jest dany utwór (np. wesoły, radosny), a niższa świadczy o negatywności (np. smutny, depresyjny).

  • BPM - tempo w jakim utwór został wykonany.

  • Gatunek - gatunek muzyczny utworu.

  • Pozytywnosc_kat - pozytywność danego utworu w podziale na kategorie.

Pytania badawcze

Po zapoznaniu się z zestawem danych możemy przejść do zasadniczej części EDA, w której postawimy sobie pytania, na które udzielimy odpowiedzi w dalszej częsci pracy. Poniższe pytania stanowią wyłącznie wstępny pomysł, który może się rozwijać w zależności od otrzymanych wyników. Na podstawie danych dotyczących najpopularniejszych utworów z lat 1999-2019 chciałbym przede wszystkim uzyskać odpowiedź na następujące pytania:

  1. Którzy wykonawcy mają najwięcej hitów?

  2. Które utwory były najpopularniejsze?

  3. Jaki rodzaj muzyki jest najpopularniejszy?

  4. Czy wraz z biegiem lat coraz więcej utworów zawiera treści wulgarne?

  5. Czy wulgarność utworu wpływa na odczucia słuchaczy?

  6. Czy istnieje jakaś zależność miedzy skalą lub kluczem, a popularnością?

  7. Co wpływa na pozytywne odczucia słuchaczy?

  8. W jaki sposób tempo utworu wpływa na chęć słuchaczy do tańca? Jakie inne cechy utworu na to wpływają?

Zmienne kategoryczne

Rok wydania

Przechodzimy do szerszego zapoznania się z każdą ze zmiennych. Zaczynamy od zmiennych kategorycznych i na początku omówimy sobie Rok_wydania.

table(utwory$Rok_wydania)
## 
## 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 
##   38   66  100   83   85   87   94   82   84   87   78   90   81   99   68   82 
## 2015 2016 2017 2018 2019 
##   73   74   84   99   77

Jak widać wszystkie klasy są liczne i dzięki wcześniejszemu usunięciu danych dla lat 1998 i 2020 nie ma wartości odstających. Możemy to zwizualizować również za pomocą wykresu słupkowego poziomego.

utwory %>%
  ggplot() +
  geom_bar(aes(y = Rok_wydania),
           color = "burlywood3", 
           fill = "burlywood1") +
  theme_light() +
  labs(title = "Ilość utworów w poszczególnych latach",
       x = "Ilość utworów",
       y = "Rok")

Wulgarność

Kolejną zmienną jest Wulgarnosc określająca zawartość treści wulgarnych w utworze.

table(utwory$Wulgarnosc)
## 
##  Nie  Tak 
## 1230  481

Jak widać zdecydowana większość prezentowanych utworów nie zawiera treści wulgarnych. Możemy to pokazać również na wykresie kołowym. W tym celu korzystam z pakietu plotly.

plot_ly(utwory,
        labels = ~Wulgarnosc,
        type = 'pie',
        marker = list(colors = c("lightskyblue","lightskyblue1"))) %>%
  layout(title = "Wulgarność utworów")

Klucz

Zmienna Klucz określa nam gamę w jakim został skomponowany utwór. Gama utworu jest dobierana zależnie od preferencji artysty i od tego w jakiej łatwiej mu wykonywać dany utwór, jednak zależnościami dotyczącymi wyboru gamy zajmiemy się w dalszej części analizy.

table(utwory$Klucz)
## 
##   0   1   2   3   4   5   6   7   8   9  10  11 
## 168 231 129  55 111 149 129 171 153 138 111 166

Jak widać ponownie mamy do czynienia z licznymi klasami, prezentujemy to również za pomocą wykresu słupkowego.

utwory %>%
  ggplot() +
  geom_bar(aes(y = Klucz),
           color = "mistyrose3",
           fill = "mistyrose") +
  theme_light() +
  labs(title = "Ilość utworów w danym kluczu muzycznym",
       x = "Ilość utworów",
       y = "Klucz")

Skala

Kolejna zmienna kategoryczną jest Skala, cecha opisująca w jakiej skali muzycznej został skomponowany utwór.

table(utwory$Skala)
## 
## Minor Major 
##   770   941

Jak widać w większości mamy do czynienia z utworami wykonanymi w skali majorowej, a zatem możemy wyciągnąć wstępne wnioski, że do najpopularniejszych utworów należą przede wszystkim te o wesołej linii melodycznej. Ilość utworów w zależności od skali ponownie obrazuję za pomocą wykresu kołowego.

plot_ly(utwory, 
        labels = ~Skala,
        type = 'pie',
        marker = list(colors = c("darkgreen","lightgreen"))) %>%
        layout(title = "Muzyczna skala utworów")

Pozytywność - kategorie

Ostatnią zmienną kategoryczną jest stworzona przeze mnie cecha Pozytywnosc_kat określająca charakter danego utworu.

table(utwory$Pozytywnosc_kat)
## 
## Bardzo pozytywny        Pozytywny        Neutralny        Negatywny 
##              266              485              520              321 
## Bardzo negatywny 
##              119

Wszystkie klasy są liczne co prezentuję również za pomocą wykresu.

utwory %>%
  ggplot() +
  geom_bar(aes(x = Pozytywnosc_kat),
           color = "lightskyblue",
           fill = "lightskyblue1") + 
  theme_light() + 
  labs(title = "Ilość utworów w danych kategoriach pozytywności",
       x = "Pozytywność",
       y = "Ilość")

Zmienne ilościowe

Popularność

Po omówieniu zmiennych kategorycznych przechodzimy do zaprezentowania zmiennych ilościowych. Zaczynamy od zmiennej Popularnosc, odzwierciedlającej popularność danego utworu w odniesieniu do pozostałych w zestawie.

summary(utwory$Popularnosc)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00   38.00   54.00   52.73   68.00   98.00

Patrząc na kwartyle spodziewam się lekkiej asymetrii lewostronnej. W celu weryfikacji tworzę wykres gęstości.

utwory %>%
  ggplot() +
  geom_density(aes(x = Popularnosc),
               color = "pink3",
               fill = "pink") +
  theme_light() +
  labs(title = "Popularność utworów",
       x = "Popularność",
       y = "Gęstość")

Czas trwania

Kolejną zmienną ilościową jest zmienna Czas_trwania opisująca długość utworu w sekundach.

summary(utwory$Czas_trwania)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   113.0   204.6   224.1   230.0   250.5   484.1
utwory %>%
  ggplot() +
  geom_boxplot(aes(x = Czas_trwania)) +
  theme_light() +
  labs(title = "Czas trwania utworów wyrażony w sekundach",
       x = "Czas trwania")

Otrzymujemy wartości odstające.

quantile(utwory$Czas_trwania, 
         probs = c(0, 0.1, 0.95, 1))
##      0%     10%     95%    100% 
## 113.000 187.626 300.400 484.146

Jak widać tylko 10% utworów ma długość powyżej 5 minut.

Taneczność

Zmienna Tanecznosc określa czy dany utwór pasuje do tańca.

summary(utwory$Tanecznosc)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.1770  0.5805  0.6760  0.6678  0.7655  0.9750
utwory %>%
  ggplot() +
  geom_histogram(aes(x = Tanecznosc),
                 bins = 10,
                 color = "wheat4",
                 fill = "wheat") +
  theme_light() +
  labs(title = "Taneczność utworów w skali 0 - 1",
       x = "Taneczność",
       y = "Ilość utworów")

Jak widać zdecydowaną większość utworów możemy określić jako “nadające się” do tańca. Spójrzmy jednak jeszcze na kwantyle.

quantile(utwory$Tanecznosc, 
         probs = c(0, 0.01, 0.05, 0.15, 0.25, 0.5, 0.75, 1))
##     0%     1%     5%    15%    25%    50%    75%   100% 
## 0.1770 0.3091 0.4205 0.5225 0.5805 0.6760 0.7655 0.9750

Jeśli założymy, że utwory mało taneczne charakteryzują się wartością mniejszą niż 0.4 wówczas możemy stwierdzić, że tylko niecałe 5% utworów nie są utworami, do których można się dobrze bawić na różnego rodzaju imprezach czy dyskotekach.

Energiczność

Kolejna zmienna to Energicznosc, która mówi nam o stopniu energiczności danego utworu.

summary(utwory$Energicznosc)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.0549  0.6255  0.7390  0.7232  0.8425  0.9990
utwory %>%
  ggplot() +
  geom_density(aes(x = Energicznosc),
               color = "lightskyblue4",
               fill = "lightskyblue1") +
  theme_light() +
  labs(title = "Energiczność utworów w skali 0 - 1",
       x = "Energiczność",
       y = "Gęstość")

Patrząc na wykres zdecydowanie możemy stwierdzić, że większość prezentowanych utwórów ma charakter energiczny.

Głośność

Następną zmienną w zestawie jest zmienna Glosnosc. Jest to wartość, którą posługują się producenci muzyczni oraz osoby odpowiedzialne za mix i mastering utworu.

summary(utwory$Glosnosc)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
## -20.514  -6.487  -5.265  -5.493  -4.142  -0.276
utwory %>%
  ggplot() +
  geom_histogram(aes(x = Glosnosc),
                 bins = 10,
                 color = "darkgreen",
                 fill = "lightgreen") +
  theme_light() +
  labs(title = "Głośność utworów w ramach masteringu (dB)",
       x = "Głośność",
       y = "Gęstość")

Zdecydowanie większość utworów klasyfikuje się w przedziale od -10 do -1.

quantile(utwory$Glosnosc,
         probs = c(0, 0.01, 0.1, 0.25, 0.5, 0.75, 0.99, 1))
##       0%       1%      10%      25%      50%      75%      99%     100% 
## -20.5140 -11.6549  -7.8660  -6.4875  -5.2650  -4.1420  -1.9721  -0.2760

Jak widać tylko 1% utworów ma głośność mniejszą od -11.

Słowa mówione

Zmienna Slowa_mowione odzwierciedla stosunek mówionych słów do pozostałych dźwięków w utworze.

summary(utwory$Slowa_mowione)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.0232  0.0399  0.0613  0.1050  0.1310  0.5760
utwory %>%
  ggplot() +
  geom_density(aes(x = Slowa_mowione),
               color = "lightgoldenrod4",
               fill = "lightgoldenrod1") +
  theme_light() +
  labs(title = "Stosunek słów mówionych w utworze w skali 0 - 1",
       x = "Słowa mówione",
       y = "Gęstość")

Na podstawie wykresu można powiedzieć, że tylko nieliczne utwory nie są śpiewane.

quantile(utwory$Slowa_mowione, 
         probs = c(0, 0.5, 0.9, 0.95, 1))
##     0%    50%    90%    95%   100% 
## 0.0232 0.0613 0.2630 0.3315 0.5760

Możemy przyjąć, że tylko 5% utworów pochodzą prawdopodobnie z gatunku rap.

Akustyczność

Kolejna zmienna to Akustycznosc określająca najprościej mówiąc akustyczność danego utworu. Im wyższa wartość tym większa ilość dźwięków akustycznych w utworze

summary(utwory$Akustycznosc)
##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
##  0.00206  1.41000  5.53000 12.74654 17.50000 97.60000
utwory %>% 
  ggplot() +
  geom_density(aes(x = Akustycznosc),
               color = "pink3",
               fill = "pink") +
  theme_light() +
  labs(title = "Akustyczność utworów w utworze w skali 0 - 100",
       x = "Akustyczność",
       y = "Gęstość")

Wykres gęstości dla zmiennej Akustycznosc jest dosyć podobny jak dla zmiennej Slowa_mowione. Ponownie możemy stwierdzić, że tylko nieliczne utwory w zestawie są akustyczne.

quantile(utwory$Akustycznosc, 
         probs = c(0, 0.5, 0.9, 0.95, 1))
##       0%      50%      90%      95%     100% 
##  0.00206  5.53000 34.90000 51.40000 97.60000

Jak widać tylko 5% utworów została stworzona przy użyciu dźwięków akustycznych, a co za tym idzie bez zastosowania syntezy elektronicznej.

Instrumentalność

Instrumentalnoscokreśla jaka część utworu nie zawiera wokalu.

summary(utwory$Instrumentalnosc)
##      Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
## 0.0000000 0.0000000 0.0000000 0.0145758 0.0000666 0.9850000

Ciężko jest coś powiedzieć o rozkładzie tej zmiennej dlatego posługuję się dodatkowo odpowiednimi kwantylami.

quantile(utwory$Instrumentalnosc,
         probs = c(0, 0.5, 0.9, 0.95, 0.99, 1))
##      0%     50%     90%     95%     99%    100% 
## 0.00000 0.00000 0.00372 0.02205 0.58230 0.98500

Tylko 1% utworów składa się w przynajmniej 50% z dzwięków bez wokalu, dlatego w dalszej części analizy nie będę się powoływał na tą zmienną.

BPM

Ostatnią zmienną ilościową jest BPM czyli zmienna, która opisuje nam ilość uderzeń na minutę (tempo utworu).

summary(utwory$BPM)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    60.0    98.0   120.0   120.3   135.0   211.0
utwory %>%
  ggplot() +
  geom_histogram(aes(x = BPM),
                 bins = 10,
                 color = "darkblue",
                 fill = "lightblue") +
  theme_light() +
  labs(title = "Ilość uderzeń na minutę w danym utworze (Tempo)",
       x = "Tempo",
       y = "Ilość")

Jak widać większość utworu ma tempo w przedziale od 60 do 150. W celu wizualizacji rozkładu mogę również posłużyć się wykresem pudełkowym.

utwory %>%
  ggplot() +
  geom_boxplot(aes(x = BPM)) +
  theme_light() +
  labs(title = "Ilość uderzeń na minutę w danym utworze (Tempo)",
       x = "Tempo")  

quantile(utwory$BPM, 
         probs = c(0, 0.25, 0.5, 0.75, 0.90, 0.99, 1))
##   0%  25%  50%  75%  90%  99% 100% 
##   60   98  120  135  160  192  211

Można zauważyć, że tylko niecały 1% utworów ma tempo powyżej 200 natomiast 10% utworów możemy sklasyfikować jako bardzo szybkie ponieważ ich BPM przekracza 160.

Pytanie 1.

Na samym początku postaram się odpowiedzieć na pytanie: Którzy wykonawcy mają najwięcej hitów? W tym celu muszę odpowiednio przygotować dane grupując je w zależności od artysty.

artysci <- utwory %>%
  select(Artysta) %>%
  group_by(Artysta) %>%
  summarize(Ilosc = n()) %>%
  arrange(desc(Ilosc)) %>%
  slice(1:20) %>%
  print(n = Inf)
## # A tibble: 20 × 2
##    Artysta           Ilosc
##    <chr>             <int>
##  1 Rihanna              23
##  2 Eminem               20
##  3 Calvin Harris        19
##  4 Drake                19
##  5 Britney Spears       18
##  6 David Guetta         18
##  7 Beyoncé              16
##  8 Chris Brown          15
##  9 Kanye West           15
## 10 Katy Perry           15
## 11 Black Eyed Peas      14
## 12 Taylor Swift         13
## 13 JAY-Z                12
## 14 Bruno Mars           11
## 15 Coldplay             11
## 16 Jason Derulo         11
## 17 Justin Timberlake    11
## 18 Nelly                11
## 19 P!nk                 11
## 20 Flo Rida             10

Następnie przygotowane dane przenoszę na wykres słupkowy.

artysci %>% 
  ggplot() +
  geom_bar(aes(x = reorder(Artysta, -Ilosc), y = Ilosc), 
           stat = "identity",
           color = "peachpuff4",
           fill = "peachpuff") + 
  theme_light() +
  labs(title = "Ilość utworów danego artysty",
       x = "Artysta",
       y = "Ilość utworów") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Jak widać na przestrzeni lat 1999-2019 artystami o największej ilości popularnych utworów byli:

  • Rihanna

  • Eminem

  • Calvin Harris

Pytanie 2.

Poznaliśmy artystów z największą ilością hitów. Zastanówmy się teraz, które utwory były jednak najpopularniejsze. Ponownie zaczynamy od odpowiedniego przygotowania danych sortując po popularności i wybierając pierwsze 20.

popularne <- utwory %>%
  select(Tytul_piosenki, Popularnosc) %>%
  arrange(desc(Popularnosc)) %>%
  slice(1:20)

Przenosimy dane na wykres kolumnowy.

popularne %>%
  ggplot() +
  geom_bar(aes(x = reorder(Tytul_piosenki, -Popularnosc), y = Popularnosc), 
           stat = "identity",
           color = "darkgreen",
           fill = "lightgreen") + 
  theme_light() +
  labs(title = "Najpopularniejsze utwory muzyczne",
       x = "Tytuł",
       y = "Popularność utworu") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Jak widać mamy wiele utworów o podobnym poziomie popularności jednak na podstawie uzyskanych wyników możemy powiedzieć, że najpopularniejsze utwory w latach 1999-2019 to:

  • Sweater Weather

  • Another Love

  • Without Me

Pytanie 3.

Znamy już najpopularniejszych artystów i najpopularniejsze utwory. Zastanówmy się jednak, jaki gatunek muzyczny był najpopularniejszy w latach 1999-2019. W tym celu grupuję dane po gatunku muzycznym.

najpopularniejsze <- utwory %>%
  select(Gatunek) %>%
  group_by(Gatunek) %>%
  summarize(Ilosc = n()) %>%
  arrange(desc(Ilosc)) %>%
  print(n = Inf)
## # A tibble: 56 × 2
##    Gatunek                               Ilosc
##    <chr>                                 <int>
##  1 pop                                     356
##  2 hip hop, pop                            253
##  3 hip hop, pop, R&B                       211
##  4 pop, Dance/Electronic                   171
##  5 pop, R&B                                153
##  6 hip hop                                 109
##  7 hip hop, pop, Dance/Electronic           66
##  8 rock                                     52
##  9 Dance/Electronic                         36
## 10 rock, metal                              36
## 11 rock, pop                                35
## 12 pop, latin                               24
## 13 pop, rock                                23
## 14 set()                                    21
## 15 hip hop, Dance/Electronic                13
## 16 latin                                    13
## 17 R&B                                      12
## 18 hip hop, pop, latin                      12
## 19 pop, rock, metal                         12
## 20 metal                                     9
## 21 pop, rock, Dance/Electronic               9
## 22 country                                   8
## 23 hip hop, pop, rock                        8
## 24 pop, country                              8
## 25 pop, Folk/Acoustic                        7
## 26 pop, R&B, Dance/Electronic                6
## 27 rock, pop, Dance/Electronic               6
## 28 rock, pop, metal                          4
## 29 hip hop, R&B                              3
## 30 hip hop, pop, R&B, Dance/Electronic       3
## 31 Folk/Acoustic, pop                        2
## 32 World/Traditional, pop, Folk/Acoustic     2
## 33 World/Traditional, rock                   2
## 34 pop, easy listening, jazz                 2
## 35 pop, rock, Folk/Acoustic                  2
## 36 rock, blues, latin                        2
## 37 Folk/Acoustic, rock, pop                  1
## 38 World/Traditional, Folk/Acoustic          1
## 39 World/Traditional, hip hop                1
## 40 World/Traditional, pop                    1
## 41 easy listening                            1
## 42 hip hop, country                          1
## 43 hip hop, latin, Dance/Electronic          1
## 44 hip hop, pop, R&B, latin                  1
## 45 hip hop, pop, country                     1
## 46 hip hop, rock, pop                        1
## 47 pop, R&B, easy listening                  1
## 48 pop, easy listening, Dance/Electronic     1
## 49 rock, Dance/Electronic                    1
## 50 rock, Folk/Acoustic, easy listening       1
## 51 rock, Folk/Acoustic, pop                  1
## 52 rock, R&B, Folk/Acoustic, pop             1
## 53 rock, blues                               1
## 54 rock, classical                           1
## 55 rock, easy listening                      1
## 56 rock, pop, metal, Dance/Electronic        1

Otrzymane dane przenoszę na wykres.

najpopularniejsze %>%
  filter(Ilosc > 10) %>%
  ggplot() +
  geom_bar(aes(x = reorder(Gatunek, -Ilosc), y = Ilosc), 
           stat = "identity",
           color = "darkblue",
           fill = "lightblue") + 
  theme_light() +
  labs(title = "Popularność utworów ze względu na gatunek",
       x = "Gatunek",
       y = "Ilość utworów") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Otrzymany wykres pokazuje, że na przestrzeni lat 1999-2019 najpopularniejszymi gatunkami muzycznymi były wszelkie odmiany popu w połączeniu z hip hopem.

Pytanie 4.

W kolejnym pytaniu chciałbym się zastanowić nad tym czy na przestrzeni lat możemy zaobserować coraz większą ilość treści wulgarnych w utworach muzycznych. W tym celu rozważę stosunek utworów wulgarnych do wszystkich utworów w danym roku kalendarzowym. Rozpoczynam od stworzenia wektora z ilością utworów na dany rok.

wulgarne <- as.vector(table(utwory$Rok_wydania))
wulgarne
##  [1]  38  66 100  83  85  87  94  82  84  87  78  90  81  99  68  82  73  74  84
## [20]  99  77

Następnie tworzę zestaw danych zawierających wyłącznie ilość utworów z treściami wulgarnymi w danym roku.

wlg_lata <- utwory %>%
  filter(Wulgarnosc == "Tak") %>%
  select(Rok_wydania, Wulgarnosc) %>%
  group_by(Rok_wydania) %>%
  summarize(Ilosc = n()) %>%
  print(n = Inf)
## # A tibble: 21 × 2
##    Rok_wydania Ilosc
##    <fct>       <int>
##  1 1999            8
##  2 2000           12
##  3 2001           23
##  4 2002           28
##  5 2003           22
##  6 2004           31
##  7 2005           26
##  8 2006           23
##  9 2007           21
## 10 2008           20
## 11 2009           22
## 12 2010           20
## 13 2011           22
## 14 2012           18
## 15 2013           14
## 16 2014           14
## 17 2015           22
## 18 2016           25
## 19 2017           28
## 20 2018           47
## 21 2019           35

Na podstawie stosunku tworzę wykres.

wlg_lata %>%
  ggplot(aes(x = Rok_wydania, y = Ilosc / wulgarne)) +
  geom_line(aes(group = 1), 
            linewidth = 0.3,
            color = "red") +
  geom_point(size = 3) + 
  theme_light() +
  labs(title = "Stosunek ilości utworów wulgarnych do ilości utworów",
       x = "Rok",
       y = "Stosunek") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Na podstawie wykresu możemy stwierdzić, że od 2014 roku obserwujemy wzrost treści wulgarnych.

Pytanie 5.

Poprzednie pytanie pozwoliło na określenie czy mamy do czynienia z coraz większą ilością treści wulgarnych. Uzyskaliśmy odpowiedź twierdzącą, wobec tego zastanowię się czy wulgarne treści przekładają się na odbiór słuchaczy - czy treści wulgarne wpływają na pozytywność utworu.

Tworzę wykres kolumnowy dla utworów z treścią wulgarną w zależności od kategorii pozytywności.

utwory %>% 
  filter(Wulgarnosc == "Tak") %>%
  ggplot() +
  geom_bar(aes(x = Wulgarnosc, fill = Pozytywnosc_kat),
           color = "black", 
           position = "dodge2") +
  theme_light() +
  labs(title = "Wulgarność utworu, a jego pozytywność",
       x = "Wulgarność",
       y = "Liczba utworów",
       fill = "Wulgarność utworów") + 
  theme(axis.text.x = element_blank())

Jak widać wulgarność utworu nie przekłada się na negatywny odbiór, czego wstępnie można było się spodziewać. Wyznaczmy jednak średnią pozytywności dla utworów wulgarnych i niewulgarnych, żeby móc to lepiej zaobserwować.

utwory %>%
  select(Wulgarnosc, Pozytywnosc) %>%
  group_by(Wulgarnosc) %>%
  summarize(ŚREDNIA = mean(Pozytywnosc))

Rzeczywiście na podstawie otrzymanej statystyki możemy stwierdzić, że wulgarność utworów muzycznych zupełnie nie wpływa na odbiór słuchaczy.

Pytanie 6.

Przechodzimy do głębszej analizy poszczególnych zależności między zmiennymi. W kolejnej części odpowiem na pytanie: Czy istnieje jakaś zależność miedzy skalą lub kluczem, a popularnością?

Żeby móc odpowiedzieć na to pytanie wpierw spójrzmy jak wygląda rozkład liczby utworów w zależności od klucza i skali.

Będę chciał stworzyć wykres kolumnowy w podziale na skalę, gdzie kolor będzie określany przez Klucz. W tym celu muszę najpierw stworzyc wektor 12 kolorów. Wykorzystuję do tego pakiet RColorBrewer.

paleta <- c(brewer.pal(11, "RdYlBu"), "black")

Następnie stworzony wektor kolorów wykorzystuję do zbudowania wykresu.

utwory %>%
  ggplot() +
  geom_bar(aes(x = Skala, fill = Klucz),
           color = "white", 
           position = "dodge2") +
  theme_light() +
  scale_fill_manual(values = paleta) +
  labs(title = "Ilość utworów w skali w zależności od klucza",
       x = "Skala",
       y = "Ilość")

Widzimy, że w skali minorowej dominują gamy:

  • H

  • F

  • C#

Oraz w skali majorowej:

  • C#

  • G

  • C

Wynika to najprawdopodobniej z uwagi na to, że w tych gamach większości artystów łatwiej jest tworzyć utwory wokalne, które są skierowane do szerokiej publiki.

Zastanówmy się zatem, czy popularność utworów zmienia się w zależności od skali. Wobec tego tworzymy wykresy gęstości.

#Popularnosc w podziale na skale
utwory %>%
  ggplot() +
  geom_density(aes(x = Popularnosc),
               color = "darkblue",
               fill = "lightblue") + 
  facet_wrap(~ Skala, nrow = 2)+
  theme_light() +
  labs(title = "Popularność utworów w zależności od skali",
       x = "Popularność",
       y = "")

Wykresy wspieramy dodatkowo statystykami opisowymi.

utwory %>%
  select(Skala, Popularnosc) %>%
  group_by(Skala) %>%
  summarize(ŚREDNIA = mean(Popularnosc),
            MINIMUM = min(Popularnosc),
            MAKSIMUM = max(Popularnosc))

Na podstawie wykresu i statystyk opisowych możemy stwierdzić, że popularność nie zależy od skali utworu.

Może jednak istnieje związek pomiędzy popularnością utworu, a kluczem w którym został skomponowany. Ponownie tworzymy odpowiednie wykresy i statystyki opisowe.

utwory %>%
  ggplot() +
  geom_density(aes(x = Popularnosc),
               color = "darkgreen",
               fill = "lightgreen") + 
  facet_wrap(~ Klucz, ncol = 3) +
  theme_light() +
  labs(title = "Popularność utworów w zależności od skali",
       x = "Popularność",
       y = "")

utwory %>%
  select(Klucz, Popularnosc) %>%
  group_by(Klucz) %>%
  summarize(ŚREDNIA = mean(Popularnosc),
            MEDIANA = median(Popularnosc),
            ODCHYLENIE = sd(Popularnosc))

Jak widać średnie wartości praktycznie nie różnią się od siebie, jednak odchylaja się w najmniejszy sposób dla gamy 8 czyli G#, a najbardziej dla gamy 10 czyli A#.

Mimo to nie są to znaczne różnice, więc nie możemy jednoznacznie stwierdzic o dużej zależności pomiędzy popularnością, a kluczem lub skalą utworu.

Pytanie 7.

Kolejna część zostanie poświęcona pytaniu: Co wpływa na pozytywne odczucia słuchaczy? W tym celu na samym początku tworzę macierz korelacji wyznaczając wsp. korelacji rang Spearmana, a następnie odpowiednio to wizualizuję.

korelacje <- cor(utwory[, c("Czas_trwania", "Popularnosc", "Tanecznosc", "Energicznosc",
                            "Glosnosc", "Slowa_mowione", "Akustycznosc", "Instrumentalnosc",
                            "BPM", "Pozytywnosc")],
                 method = "spearman")
round(korelacje, 2)
##                  Czas_trwania Popularnosc Tanecznosc Energicznosc Glosnosc
## Czas_trwania             1.00       -0.11      -0.03        -0.10    -0.11
## Popularnosc             -0.11        1.00       0.00        -0.09     0.03
## Tanecznosc              -0.03        0.00       1.00        -0.17    -0.07
## Energicznosc            -0.10       -0.09      -0.17         1.00     0.61
## Glosnosc                -0.11        0.03      -0.07         0.61     1.00
## Slowa_mowione            0.02        0.00       0.24         0.03    -0.02
## Akustycznosc             0.04        0.07       0.10        -0.35    -0.19
## Instrumentalnosc         0.00       -0.09       0.05         0.09    -0.10
## BPM                     -0.04        0.02      -0.14         0.17     0.08
## Pozytywnosc             -0.12       -0.10       0.40         0.30     0.20
##                  Slowa_mowione Akustycznosc Instrumentalnosc   BPM Pozytywnosc
## Czas_trwania              0.02         0.04             0.00 -0.04       -0.12
## Popularnosc               0.00         0.07            -0.09  0.02       -0.10
## Tanecznosc                0.24         0.10             0.05 -0.14        0.40
## Energicznosc              0.03        -0.35             0.09  0.17        0.30
## Glosnosc                 -0.02        -0.19            -0.10  0.08        0.20
## Slowa_mowione             1.00         0.07            -0.16  0.01        0.13
## Akustycznosc              0.07         1.00            -0.19 -0.16       -0.03
## Instrumentalnosc         -0.16        -0.19             1.00  0.08        0.01
## BPM                       0.01        -0.16             0.08  1.00       -0.03
## Pozytywnosc               0.13        -0.03             0.01 -0.03        1.00
corrplot(korelacje, method = "square", type = "upper")

Widzimy wysoką zależność pomiędzy zmiennymi Pozytywnosc, a Tanecznosc. Przyjrzyjmy się tej zależności za pomocą wykresu punktowego.

utwory %>%
  ggplot() +
  geom_point(aes(x = Tanecznosc, y = Pozytywnosc), 
             size = 2, 
             color = "darkgreen", 
             alpha = 0.3) +
  theme_light() +
  labs(title = "Związek między pozytywnością i tanecznością utworu",
       x = "Taneczność",
       y = "Pozytywność")

Widzimy, że faktycznie im bardziej utwór jest taneczny, tym bardziej przekłada się na pozytywny odbiór słuchaczy.

Ponadto tablica korelacji sugeruje nam zależność ze zmienną Energicznosc. Przyjrzyjmy się tej zależności za pomocą wykresów pudełkowych w zależności od kategorii pozytywności.

utwory %>%
  ggplot() +
  geom_boxplot(aes(x = reorder(Pozytywnosc_kat, Energicznosc), y = Energicznosc)) +
  theme_light() +
  labs(title = "Pozytywność utworu, a jego energiczność",
       x = "Pozytywność",
       y = "Energiczność")

Ponownie możemy stwierdzić, że im bardziej utwór jest energiczny tym bardziej pozytywnie jest odbierany.

Oprócz bezpośredniego związku ze zmienna Pozytywnosc, możemy również zauważyć silną zależność między zmiennymi Glosnosc, a Energicznosc, która wykazaliśmy, że jest również powiązana ze zmienną Pozytywnosc.

utwory %>%
  ggplot() +
  geom_point(aes(x = Glosnosc, y = Energicznosc),
             size = 2, 
             color = "darkblue", 
             alpha = 0.2) +
  theme_light() +
  labs(title = "Związek między pozytywnością i tanecznością utworu",
       x = "Głośność",
       y = "Energiczność")

Ten sam związek pokażmy w zależności od kategorii pozytywności.

utwory %>%
  ggplot() +
  geom_point(aes(x = Glosnosc, y = Energicznosc, color = Pozytywnosc_kat),
             size = 2) + 
  theme_light() +
  scale_color_manual(values = c("magenta4", "orchid", "mistyrose", "lightgreen", "darkgreen")) +
  labs(title = "Pozytywność utworu w zależności od głośności i energiczności",
       x = "Głośność",
       y = "Energiczność")

Wykres wyraźnie prezentuje zależność między zmiennymi Pozytywnosc i Glosnosc. Dodatkowo wyznaczmy jeszcze statystyki opisowe.

utwory %>%
  select(Pozytywnosc_kat, Glosnosc) %>%
  group_by(Pozytywnosc_kat) %>%
  summarize(ŚREDNIA = mean(Glosnosc),
            MEDIANA = median(Glosnosc),
            ODCHYLENIE = sd(Glosnosc),
            MINIMUM = min(Glosnosc),
            MAKSIMUM = max(Glosnosc))

Widzimy, że im niższa wartość zmiennej Glosnosc tym większa pozytywność utworu. Oznacza to, że głośniejsze utwory maja bezpośrednie przełożenie na pozytywny odbiór muzyki, w przeciwieństwie do cichych.

Na sam koniec spójrzmy jeszcze w jaki sposób długość utworu wpływa na jego odbiór.

utwory %>% 
  ggplot() +
  geom_boxplot(aes(x = Pozytywnosc_kat, y = Czas_trwania)) +
  theme_light() +
  labs(title = "Czas trwania w zależności od kategorii pozytywności",
       x = "Pozytywność",
       y = "Czas trwania")

Możemy zaobserwować, że nie ma tutaj dużych zależności, jednak jesteśmy w stanie powiedzieć, że dłuższe utwory negatywnie wpływają na odbiór.

Pytanie 8.

Skupmy się jeszcze na zmiennej Tanecznosc i zastanówmy się czy istnieją jakieś zależności z innymi zmiennymi. Zacznijmy od analizy zależności tempem utworu.

utwory %>%
  ggplot() +
  geom_point(aes(x = Tanecznosc, y = BPM),
             color = "lightsalmon4",
             alpha = 0.4) +
  theme_light() +
  labs(title = "Zależność między tempem, a tanecznością",
       x = "Taneczność",
       y = "BPM")

Na podstawie wykresu możemy stwierdzić, że najchętniej słuchacze tańczą do muzyki o tempie w przedziale około 90-130 uderzeń na minutę.

Zastanówmy się zatem, czy większa chęć do tańca wiąże się bezpośrednio z mniej energicznymi utworami, czy może jednak istnieje tendencja do tańczenia przy muzyce znacznie dynamicznej.

utwory %>%
  ggplot() +
  geom_point(aes(x = Tanecznosc, y = Energicznosc),
             color = "deeppink4",
             alpha = 0.4) +
  theme_light() +
  labs(title = "Związek między tanecznością i energicznością utworu",
       x = "Taneczność",
       y = "Energiczność")

Możemy wyciągnąć wnioski, że faktycznie im bardziej energiczny utwór, tym większa chęć do tańca wśród słuchaczy.

Na sam koniec spójrzmy jeszcze raz na zależności pomiędzy tanecznością, a pozytywnością utworu. Tym razem rozważmy analizę wykresów pudełkowych.

utwory %>%
  ggplot() +
  geom_boxplot(aes(x = reorder(Pozytywnosc_kat, Tanecznosc), y = Tanecznosc)) +
  theme_light() +
  labs(title = "Związek między pozytywnością i tanecznością utworu",
       x = "Pozytywność",
       y = "Taneczność")

Widzimy, że zasadniczo utwory pozytywne, czyli takie, które są odbierane jako wesołe i radosne zdecydowanie mają wpływ na zmienną Tanecznosc. Im bardziej pozytywny charakter utworu, tym większa chęć do tańca słuchaczy.

Zakończenie

Powyższa analiza danych sprawiła mi wiele przyjemności oraz jednocześnie pozwoliła na pogłębienie wiedzy i umiejętności w zakresie formatowania, odpowiedniego selekcjonowania, a także wizualizowania danych.

Dowiedziałem się wielu ciekawych rzeczy jak np. informacje dotyczące najpopularniejszych artystów czy utworów z lat 1999-2019. Ponadto ku wielkiemu zdziwieniu zobaczyłem, że treści wulgarne nie wpływają na odbiór utworu przez słuchaczy. Oprócz stricte wniosków płynących z analizy wykresów i statystyk, poprzez długie przygotowania dowiedziałem się wielu informacji dotyczących skal i gam muzycznych, w których komponuje się utwory. Przygotowany zestaw pozwolił mi również zrozumieć i poznać wartości wpływające na charakter pozytywności danego utworu oraz cechy warunkujące chęć słuchaczy do tańca.

Projekt eksploracyjnej analizy danych umożliwił mi zgłębienie wiedzy nie tylko na płaszczyźnie statystyki, programowania w języku R, ale również na płaszczyźnie życia codziennego. Wierzę, że zdobyte umiejętności zostaną ze mną na długo i w przyszłości jeszcze będę miał okazję je wykorzystać.